Google bugün açık kaynak yıldız avı kodu, AI çağındaki gökbilimciler, hadi kendi yıldızlarını bulalım!
Astronomi meraklılarının makine öğrenimini öğrenmesi gerekebilir.Yapay zeka çağında, yıldızları avlamak için teleskop kullanmak biraz düşük.
Lei Feng.com AI Teknolojisi Yorumu: Geçen yıl Aralık ayında, Google bir sinir ağını eğitti ve NASA Kepler Uzay Teleskobu tarafından elde edilen bazı verileri analiz ederek iki dış gezegen keşfetti. Astrofiziğe makine öğrenimi yöntemlerini uygulamanın tipik bir örneği olan bu çalışma, insanoğlunun dış gezegenleri keşfetme hızını büyük ölçüde hızlandırabilir.
Bugün, Google kodlarını açık kaynaklı hale getirdi. İlgilenen herhangi bir öğrenci kodu ve verileri indirebilir ve kendi makinesinde çalıştırabilir.
Lei Feng.com'un Notu: Dış gezegenler, güneş sisteminin dışındaki gezegenleri ifade eder. Gökbilimciler, Samanyolu'nun 400 milyar dış gezegen içerebileceğini tahmin ediyor. 22 Şubat 2016 itibariyle, tespit edilen toplam dış gezegen sayısı 2.085'tir.Bu gezegenler, 509 çoklu gezegen sistemi de dahil olmak üzere 1.331 gezegen sistemine aittir. Wikipedia üzerinden
Gökbilimciler dış gezegenleri nasıl keşfeder?
veya Yıldız Avına BaşlarkenGezegenlerin ışık yaymadığını biliyoruz, Güneş ışınlarını yansıttığı için su, altın, ateş, odun ve Satürn'ü görebiliyoruz ama bu ışınlar yıldızlara göre önemsiz. Uzaklık çok uzakta olduğunda, bırakın o dış gezegenler bir yana, o dev yıldızların bile tespit edilmesi zor olabilir.
Gökbilimciler başka bir yol düşündüler - gezegen yıldızın önünden geçtiğinde, ışığın bir kısmını bloke edecek, bu da ölçtüğümüz yıldızın parlaklığının biraz azalmasına neden olacak ve ayrıldığında eski haline dönecek, böylece yıldızın parlaklık eğrisi olacak "U şeklinde" bir çöküntü ortaya çıkar; bu şekilde gökbilimciler dolaylı olarak dış gezegenlerin varlığını kanıtlayabilirler.
Bununla birlikte, ikili yıldız sistemlerinin neden olduğu alet gürültüsü, yıldız güneş lekeleri (güneş lekelerine benzer) veya uzay teleskopuna çarpan kozmik ışınlar gibi yıldızların ölçülen parlaklığının azalmasına neden olabilecek başka nedenler de vardır.
Gökbilimciler, Kepler Uzay Teleskobu'ndan gelen verilerdeki gezegenleri aramak için, gezegensel gölgelemenin neden olabileceği sinyalleri tespit etmek için otomatik yazılım kullandılar ve ardından bu sinyallerin gezegen mi yoksa yanlış pozitif mi olduğunu belirlemek için bunları manuel olarak izlediler. Gökbilimciler, işleyecek çok fazla elleri olmayan çok fazla sinyali tespit etmekten kaçınmak için, otomatik algılama için bir kesme noktası belirlediler: yalnızca sinyal-gürültü oranı sabit bir eşiği aştığında çıkarılacak; aksi takdirde, atılacaktır. Ancak yine de, tespit edilmesi gereken çok sayıda sinyal var. Örneğin, şu ana kadar 30.000'den fazla sinyal manuel olarak tespit edildi ve bunların yaklaşık 2500'ü dış gezegen olarak doğrulandı.
Ayrıca, bir eşik belirlemenin bazı olası gerçek gezegen sinyallerinin kaybolmasına neden olup olmayacağını düşünebilirsiniz. Cevap Evet. Bununla birlikte, çok fazla emek yoğunluğuyla sınırlı ve eşiğin düşürülmesi yanlış pozitif tespit oranına hızlı bir artış eşlik edecek, yani tespit edilebilen gerçek gezegenlerin oranı gittikçe azalacaktır.
Bununla birlikte, bu kayıp sinyallerde - potansiyel olarak yaşanabilir gezegenlerde (dünya benzeri gezegenler) çok endişelendiğimiz bazı gök cisimleri olabilir. Bu yaşanabilir gezegenler genellikle nispeten küçüktür ve nispeten karanlık yıldızlar etrafında hareket ederler ve gölgeleme sinyalleri çok zayıf olacaktır. Bu nedenle, eşiğin altına düşen bu sinyaller henüz keşfedilmemiş hazineleri gizleyebilir.
Haydi! Makine öğrenme!
Büyük miktarda veri ve yoğun insan gücü düşünüldüğünde, doğal olarak akla gelen yöntemlerden biri şudur: Makine öğrenme .
Yukarıdaki hususlara dayanarak, Google Brain ekibi UT Austin Üniversitesi'nden Andrew Vanderburg'u buldu. Vanderburg, dış gezegenlerin keşfine odaklanan tanınmış bir astrofizikçi. Düşük sinyal-gürültü oranı ile tespit edilen sinyallerde dış gezegenleri aramak için ortaklaşa bir sinir ağı (CNN modeli) geliştirdiler.
Tüm sinir ağı tabanlı modeller gibi, bu model de bir eğitim seti gerektirir. Neyse ki, daha önce de belirtildiği gibi, astronomlar tarafından manuel olarak tespit edilen ve sınıflandırılan 30.000 Kepler sinyaline sahibiz.
Google ekibi eğitim için verilerin yarısını kullandı ve 3.500 sinyal gezegenler veya gezegen adayları olarak doğrulandı. Ağa giriş, aynı ışık eğrisinin iki bağımsız görünümüdür: modelin ışık eğrisinde başka bir yerdeki sinyalleri kontrol etmesine izin veren geniş bir görünüm (örneğin, çift yıldızlar ikincil sinyallere neden olur); biri, modelin dikkatlice incelenmesine olanak tanıyan büyütülmüş bir görünümdür. Sinyalin şekli (örneğin, "U-şekilli" bir sinyali "V-şekilli" bir sinyalden ayırmak için).
Model eğitimini tamamladıktan sonra, Google ekibinden araştırmacılar, modelin çıktısının beklentilerimize uygun olup olmadığını test etmek için ışık eğrisinin özelliklerini incelemek için kullandı. Yöntem çok basittir; model çıktısının değişikliğini tespit etmek için giriş ışık eğrisinin küçük bir alanını sistematik olarak kaplamaktır. Sonuçlar, yargı sinyali için özellikle önemli olan alanlar kapsanırsa, model çıktısının da buna göre değişeceğini; ancak önemsiz alanlar kaplanırsa, önemli bir etki olmayacağını göstermektedir.
Örneğin, aşağıda bir ikili yıldızın (bir dış gezegenin değil) ışık eğrisi diyagramı verilmiştir. Model doğru bir tahminde bulunmuştur; yeşille vurgulanan noktalar, ikili yıldız sistemine karşılık geldikleri için modelin çıktısını en çok etkileyen alanlardır. İkincil sinyal. Bu noktalar gizlendiğinde, modelin çıktısında bir dış gezegen olarak yargılama olasılığı aniden% 0'dan% 40'a fırlar.
Yukarıdaki doğrulamadan sonra, araştırmacılar modelin öngörü kabiliyetine güven duyuyorlar. Işık eğrilerinde yeni dış gezegenler bulmayı umarak 670 yıldız seçtiler. 670 yıldız seçildi çünkü bu yıldızların birden fazla yörüngede dönen gezegeni olduğunu biliyoruz ve araştırmacılar bu yıldızların keşfedilmemiş gezegenlere sahip olması gerektiğine inanıyor.
Araştırmacılar, gökbilimcinin önceki ayarından çok daha düşük bir sinyal-gürültü oranı eşiği seçtiler. Beklendiği gibi, sinir ağı modelinin yargısının sonuçları, sinyallerin çoğunun yanlış sinyaller olduğunu gösteriyor, ancak heyecan verici olan şey, dış gezegenler için büyük olasılıkla aday olan birkaç tane olması. Daha sonra bunlardan ikisinin dış gezegen olduğu belirlendi: Kepler-90i ve Kepler-80g.
İnanılmaz! !
Birlikte yıldızları avlayalım!
670 yıldızdan iki yeni dış gezegen bulundu. Bu çalışma sadece bir başlangıç olabilir ve tamamlanmaktan çok uzak çünkü Kepler 200.000 yıldız gözlemlemiştir. Bu tekniği tüm veri setine uyguladığımızda ne bulacağımızı kim bilebilir?
Diğerleri kadar iyi değil. Google Brain ekibi bugün kodlarını açık kaynaklı hale getirdi. İlgilenen öğrenciler, kendilerine ait olabilecek gezegeni bulmak için bu popüler yıldız avlama operasyonuna katılmak isteyebilirler.
Yapay zeka çağındaki astronomi meraklıları, artık yıldızları vahşi doğada görmek için pahalı ekipmanlara ihtiyaç duymayabilir, ancak evreni araştırmak için daha güçlü araçlar-makine öğrenimi kullanabilir.
Kod adresi: https://github.com/tensorflow/models/tree/master/research/astronet
Google Blog, Lei Feng.com, AI teknolojisi inceleme derlemesi aracılığıyla
